“排序模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果824391个，建议您升级VIP下载更多相关专利

[发明专利]排序方法及装置，排序模型训练方法及装置，电子设备-CN202111674716.6在审
发明人：李想;黄培浩;肖垚;陈达遥;陈胜 -专利权人：北京三快在线科技有限公司
申请日： 2021-12-31 - 公布日： 2022-05-06 - 主分类号： G06F16/9538 文献下载
摘要：本申请公开了一种排序方法，属于计算机技术领域，有助于改善粗排序效果。本方法包括：获取待粗排序的候选召回对象；通过预先训练的粗排序模型，获取各候选召回对象的粗排序指标值，其中，粗排序模型通过预先训练的精排序模型对候选粗排序模型进行知识蒸馏，迭代优化所述候选粗排序模型的架构参数和网络参数后得到的，候选粗排序模型的网络架构通过在预先定义的网络架构搜索空间中进行搜索得到；根据粗排序指标值对候选召回对象进行排序筛选，得到输出至精排序模型的候选召回对象。本方法通过动态搜索粗排序模型的网络架构，并以精排序模型的输出做训练指导，使得训练得到的粗排序模型输出的排序结果与精排序模型的输出更匹配，更加符合展示效果。
排序方法装置模型训练电子设备

[发明专利]一种搜索重排模型的确定方法及装置-CN202210367936.2在审
发明人：张志钢 -专利权人：北京奇艺世纪科技有限公司
申请日： 2022-04-08 - 公布日： 2022-07-08 - 主分类号： G06F16/2457 文献下载
摘要：本申请公开了一种搜索重排模型的确定方法及装置，通过初始打分排序模型对目标搜索词的多个搜索结果条目进行初始排序打分获得各自的初始排序分数，通过打分评估模型根据期望排序对初始排序分数进行评估，并确定各自的奖励分数；进一步根据初始排序分数和奖励分数确定多个搜索结果条目的损失函数，并根据该损失函数对初始打分模型进行排序模型训练，获得用于对多个搜索结果条目进行搜索重排的目标打分排序模型。由于奖励分数是基于期望排序确定的，因此利用根据初始排序分数和奖励分数确定的损失函数对初始打分排序模型进行排序模型训练，使得初始打分排序模型能够向输出期望排序的方向进行优化，获得目标打分排序模型，提高排序结果的准确度
一种搜索重排模型确定方法装置

[发明专利]一种新闻处理方法及装置-CN202110429183.9在审
发明人：康战辉 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-04-21 - 公布日： 2021-12-07 - 主分类号： G06F16/958 文献下载
摘要：本申请提供了一种新闻处理方法及装置；涉及人工智能技术，方法包括：从网页排序模型训练数据中抽取符合时新性要求的部分训练数据，作为新闻排序模型训练数据；基于所述新闻排序模型训练数据的时新性、以及所述新闻排序模型训练数据的相关性标签，确定所述新闻排序模型训练数据的时新性标签；基于所述新闻排序模型训练数据以及对应的时新性标签，训练新闻排序模型；基于训练好的所述新闻排序模型对多个新闻信息进行排序处理。通过本申请，能够高效训练具有优良的时新性的新闻排序模型。
一种新闻处理方法装置

[发明专利]多媒体信息推送方法、装置、服务器及存储介质-CN202010848523.7在审
发明人：张志伟;林靖 -专利权人：北京达佳互联信息技术有限公司
申请日： 2020-08-21 - 公布日： 2020-11-27 - 主分类号： G06F16/435 文献下载
摘要：本公开关于一种多媒体信息推送方法、装置、服务器及存储介质，该方法包括：获取与待推送账户对应的候选多媒体信息；通过目标排序模型，得到各个候选多媒体信息的排序标签；目标排序模型根据从至少两个信息排序模型中选取的树模型融合得到，用于输出多媒体信息的排序标签；按照排序标签，将各个候选多媒体信息进行排序，得到排序后的候选多媒体信息；将排序后的候选多媒体信息推送至待推送账户。采用本方法，由于对候选多媒体信息进行排序的目标排序模型是从至少两个信息排序模型中选取的树模型融合得到的，其模型结构不会出现冗余，从而使得目标排序模型的整体运行效率较高，进而提高了多媒体信息的推送效率。
多媒体信息推送方法装置服务器存储介质

[发明专利]一种信息搜索方法、装置及电子设备-CN202210157137.2在审
发明人：丁平船;张韶华;张振庭 -专利权人：京东科技控股股份有限公司
申请日： 2022-02-21 - 公布日： 2022-05-27 - 主分类号： G06F16/338 文献下载
摘要：该方法包括：获取输入信息以及与输入信息对应的候选搜索结果；将候选搜索结果输入N个级联的排序模型中，由N个级联的排序模型分别对各自输入的第一搜索结果进行排序；针对任一排序模型，根据任一排序模型的排序结果，对任一排序模型的第一搜索结果进行筛选，以获取任一排序模型的第二搜索结果；将N个级联的排序模型中末位排序模型的第二搜索结果确定为输入信息对应的目标搜索结果。因此，本申请能够通过逐级减少排序模型输入的第一搜索结果的数量，使得N个级联的排序模型的运算耗时也逐级减少，提升了信息搜索过程中的效率及可靠性，提升了用户体验。
一种信息搜索方法装置电子设备

[发明专利]基于用户检索的排序模型训练方法、装置、设备及介质-CN202210423251.5在审
发明人：舒畅;陈又新 -专利权人：平安科技（深圳）有限公司
申请日： 2022-04-21 - 公布日： 2022-06-28 - 主分类号： G06F16/953 文献下载
摘要：本发明涉及模型构建领域，揭露一种基于用户检索的排序模型训练方法，包括：对训练检索词和多个公共文档进行分词处理，利用第一排序模型对处理后的分词排序，得到排序集合；将训练检索词分别与排序集合中的文档及检索文档进行文本拼接和向量化，得到多个拼接排序文档向量和拼接检索文档向量；利用第二排序模型计算得到多个拼接排序文档向量对应的第一输出结果和拼接检索文档向量对应的第二输出结果，根据第一输出结果和第二输出结果计算得到的损失值优化第二排序模型，将优化的第二排序模型和第一排序模型作为标准排序模型输出。本发明还提出一种基于用户检索的排序模型训练装置、设备以及介质。本发明可以提高文档排序结果的相关性和准确性。
基于用户检索排序模型训练方法装置设备介质

[发明专利]查询文档排序方法、装置及电子设备-CN202011602065.5有效
发明人：张望舒;温祖杰 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-12-30 - 公布日： 2021-04-27 - 主分类号： G06F16/332 文献下载
摘要：本说明书一个或多个实施例提供一种查询文档排序方法、装置及电子设备，包括：基于训练样本集对作为老师模型的第一排序模型进行有监督的训练；其中，训练样本包括查询问句和与查询问句对应的查询文档，并被标注了指示查询文档与查询问句是否匹配的标签；第一排序模型包括对至少一个评分子模型进行模型融合得到的排序模型；评分子模型用于输出查询文档对应于查询问句的匹配度评分；基于第一排序模型输出的与训练样本集对应的排序结果对作为学生模型的第二排序模型进行预训练，并基于训练样本集对预训练后的第二排序模型进行模型微调；其中，第一排序模型和第二排序模型用于按照匹配度评分对与同一查询问句对应的多个查询文档进行排序。
查询文档排序方法装置电子设备

[发明专利]推荐系统内容排序方法及装置-CN201911158803.9有效
发明人：陈方毅;黄益聪 -专利权人：厦门美柚股份有限公司
申请日： 2019-11-22 - 公布日： 2022-06-21 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了推荐系统内容排序方法及装置。涉及内容推荐领域，其中，方法通过获取召回的待排序内容，根据推荐模型对所述待排序内容进行排序得到初步排序列表，将所述初步排序列表使用排序算法模型进行二次排序，整合得到推荐内容列表，其中推荐模型包括DIN模型，排序算法模型为：根据推荐模型分数、阅读完成率和内容阅读时长进行排序。通过排序策略的结合，对内容进行有效排序，提高了召回内容后排序的准确性，避免标题党等内容影响用户使用体验，使内容平台针对用户提供更加个性化的定制内容推荐服务，更好更快地满足用户需求，提高用户粘性以及内容的转化率
推荐系统内容排序方法装置

[发明专利]基于历史影视海报的深度兴趣网络的排序方法-CN202011474897.3有效
发明人：陈灵;吴上波;闫立鑫;吴廷锋;马荣深;韩亚 -专利权人：四川长虹电器股份有限公司
申请日： 2020-12-15 - 公布日： 2022-03-01 - 主分类号： G06F16/738 文献下载
摘要：本发明公开了基于历史影视海报的深度兴趣网络的排序方法，包括将DeepFM的模型结构、VGG模型结构和DIN模型结构进行整合构建深度学习推荐CTR排序模型网络结构；训练该模型，生成新的CTR排序模型；测试新的CTR排序模型，定期采集数据进行迭代训练得到迭代排序模型，使用迭代排序模型对推荐召回的候选集进行排序。本发明通过构建分类/数值文本、海报图像多模态特征、结合用户历史行为的历史行为序列特征以及随机负样本形成正负特征对的训练数据集和测试数据集；并使用这些数据集对训练得到新的CTR排序模型，实现了对用户召回影视的精准排序
基于历史影视海报深度兴趣网络排序方法

[发明专利]一种用于预测逾期风险排序的方法和装置-CN202110731639.7在审
发明人：卓正兴;杨青 -专利权人：重庆度小满优扬科技有限公司
申请日： 2021-06-30 - 公布日： 2021-11-09 - 主分类号： G06Q40/02 文献下载
摘要：本发明的目的是提供一种用于预测逾期风险排序的方法和装置。所述方法包括以下步骤：获取待评估用户的逾期特征信息；将该待评估用户的逾期特征信息输入至预设的风险排序模型；基于风险排序模型的输出来预测该待评估用户的逾期风险的排序，其中，所述风险排序模型的输出用于指示待评估用户的逾期风险的排序本申请实施例具有以下优点：基于训练样本的两两风险排序关系建立和训练风险排序模型，从而通过该风险排序模型对用户的逾期风险排序进行预测，使得该模型能够基于诸如逾期时间长短等逾期行为的差异来判断不同用户的逾期风险排序，相比较传统的风险控制模型，提升了预测的准确性。
一种用于预测逾期风险排序方法装置

[发明专利]模型生成方法、视频处理方法、装置及电子设备-CN202211483246.X在审
发明人：江三锋;朱贤武 -专利权人：北京奇艺世纪科技有限公司
申请日： 2022-11-24 - 公布日： 2023-03-03 - 主分类号： G06F16/735 文献下载
摘要：本发明实施例提供了一种模型生成方法、视频处理方法、装置及电子设备。该方法包括：将样本视频的第一相关数据、样本视频的观看用户的用户相关数据以及样本视频的分值标签作为第一训练数据，利用第一训练数据对排序模型中的第一子模型进行训练；第一子模型用于为视频输出至少两个排序目标对应的排序分值将样本视频的第二相关数据作为第二训练数据，利用第二训练数据对排序模型中的第二子模型进行训练；第二子模型用于输出各排序目标对应的分值权重。在第一子模型以及第二子模型满足预设收敛条件的情况下，将经过训练的排序模型确定为目标排序模型。这样，使得后续可以根据排序分值及其分值权重进行排序，从而提高排序结果的准确性。
模型生成方法视频处理装置电子设备

[发明专利]与查询相关的多排序模型集成算法-CN200910070787.8无效
发明人：王扬;黄亚楼;谢茂强;卢敏;廖振 -专利权人：南开大学
申请日： 2009-10-14 - 公布日： 2011-05-04 - 主分类号： G06F17/30 文献下载
摘要：本发明公开一种全新的与查询相关的多排序模型集成方法。该方法为每一个查询及其相关文档建立子排序模型，并将子排序模型进行向量化表示，进而将多个查询相关的排序模型转化为特征数据，从而实现多排序模型的集成。并以排序支持向量机为子排序模型，在查询级和样本级建立新的损失函数作为优化目标，并利用此损失函数调节不同查询产生损失之间的权重，提出多查询相关的排序支持向量机融合算法。将本发明提出的与查询相关的多排序模型集成算法应用于实际任务，可以取得比传统模型更好的性能。本发明提出的多模型融合方法除排序学习之外，还可应用于多元分类、序列标注等问题，在信息检索、网络搜索等领域具有广泛的应用前景。
查询相关排序模型集成算法

[发明专利]排序方法及装置、电子设备和存储介质-CN201811518342.7有效
发明人：刘金 -专利权人：拉扎斯网络科技（上海）有限公司
申请日： 2018-12-12 - 公布日： 2021-04-27 - 主分类号： G06F16/9535 文献下载
摘要：本发明实施例涉及信息推荐技术领域，公开了一种排序方法及装置、电子设备和存储介质。该方法包括：生成实时训练样本；根据生成的实时训练样本更新排序模型的模型参数；基于更新的排序模型预测排序结果。本发明实施方式通过生成实时训练样本更新排序模型并得到排序结果，从而使得排序结果能够实时反映用户或者群体的兴趣变化，显著提高用户点击购买的意愿，提高排序性能。
排序方法装置电子设备存储介质

[发明专利]一种训练排序结果选择模型输出标准问法的方法和系统-CN201911217885.X有效
发明人：孔心宇;张晓彤 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2019-12-02 - 公布日： 2022-06-21 - 主分类号： G06F16/332 文献下载
摘要：本说明书一个或多个实施例公开了一种训练排序结果选择模型输出标准问法的方法。所述方法包括：获取排序模型输出的排序序列，使用排序结果选择模型从所述排序序列中确定第一结果，所述第一结果对应预测的标准问法A；判断所述排序序列对应的准确的标准问法B；比较所述预测的标准问法A和所述准确的标准问法B是否一致，是则奖励所述排序结果选择模型，否则惩罚所述排序结果选择模型。
一种训练排序结果选择模型输出标准方法系统

[发明专利]一种模型训练方法及装置-CN202011139698.7在审
发明人：林梅露;陈肇康;夏志强;吴斌;雷兆恒 -专利权人：腾讯音乐娱乐科技（深圳）有限公司
申请日： 2020-10-22 - 公布日： 2021-01-22 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种模型训练方法及装置，包括：将批量样本数据输入至待训练排序模型中，获取所述批量样本数据中每个训练样本的第一嵌入向量，得到第一嵌入向量集；基于所述第一嵌入向量集确定出相似的嵌入向量以得到相似向量对；基于所述相似向量对确定排序损失函数；利用所述排序损失函数对所述待训练排序模型进行训练，直至排序损失函数收敛得到排序模型。也即，本申请可以利用样本的嵌入向量，确定出相似的嵌入向量以得到相似向量对，而相似向量对中包含排序学习所需的关键信息，这样，利用相似向量对进行排序学习以得到排序模型，能够在保证模型性能的情况下，减少模型处理的样本对数量，从而提升模型训练效率。
一种模型训练方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条